孟子涵，胡 靜，黃碧斌，馮凱輝

（國網(wǎng)能源研究院有限公司，北京 102209）

現(xiàn)階段，全球能源需求迅速增長，對于環(huán)境污染、能源供求以及能源結(jié)構(gòu)問題的討論熱度越來越高，大力開發(fā)綠色環(huán)保能源已成為社會共識，我國已將能源發(fā)展重點逐漸轉(zhuǎn)移到以環(huán)保為核心的清潔能源上。風能作為新能源的一種，憑借其綠色環(huán)保、分布廣泛、蘊量巨大等優(yōu)勢，受到各國的廣泛關(guān)注。我國非常重視風能的開發(fā)，對于風電裝機需求十分大。然而，在對風電進行大力開發(fā)的同時，風能的反調(diào)峰性、間歇性、隨機性等問題對于電網(wǎng)的不利影響越來越突出，對電網(wǎng)的穩(wěn)定運行與調(diào)度造成了嚴重干擾，成為了制約風電產(chǎn)業(yè)發(fā)展的問題。風力發(fā)電儲能裝置的價格比較昂貴，容量受限，大范圍推廣比較困難，需要盡量延長其使用壽命。在儲能裝置的運行中，需要嚴格控制儲能裝置的荷電狀態(tài)，使其保持在安全范圍內(nèi)，因此需要制定風力發(fā)電儲能裝置的控制策略。對于風力發(fā)電儲能裝置控制問題的研究，已經(jīng)吸引了眾多學者，文獻[1]設計了一種基于虛擬同步發(fā)電機的協(xié)調(diào)控制方法，文獻[2]提出了基于超級電容器儲能與轉(zhuǎn)子動能的協(xié)調(diào)頻率控制方法。但是以上方法在應用中存在儲能越限問題，不能讓儲能裝置荷電狀態(tài)保持在安全范圍內(nèi)，本文提出了一種新型風力發(fā)電儲能裝置控制方法，實現(xiàn)儲能裝置的優(yōu)化功率控制。

1 儲能裝置控制

1.1 儲能裝置2 階RC 模型的參數(shù)改進

設計風力發(fā)電儲能裝置的改進2 階RC 模型，在改進2 階RC 模型中，通過控制電壓源與固定電容的串聯(lián)，保證風力發(fā)電儲能裝置的穩(wěn)定性[3]。

改進的2 階RC 模型由3 個支路構(gòu)成，第一個支路是自放電電路，該電路的電阻為Rc。具體計算公式如下：

式中：E1表示儲能裝置額定電壓；Iα表示漏電流[4]。

第二個支路是電壓自調(diào)整支路，該電路主要包含電阻Ra和電容D1，能夠?qū)﹄妷籂顟B(tài)進行調(diào)整[5]。

電阻Ra的計算公式具體如下：

式中：χ1表示時間常數(shù)。

電容D1的計算公式如下：

式中：D2表示第三個支路的固定電容；D（s）表示儲能裝置端電壓函數(shù)。

第三個支路是瞬時支路，該電路主要包含了電壓源U1（f）、固定電容D2、等效內(nèi)阻Rb，主要用于對充放電時風力發(fā)電儲能裝置的外部特性進行描述[6]。

電壓源U1（f）主要考慮了儲能裝置端電壓對于電容值的影響，其表達式如下：

式中：Ua表示U1（f）與D2的串聯(lián)電壓；s 表示儲能裝置端電壓[7]。

當恒流充電時，固定電容D2滿足以下公式：

式中：T 表示固定電容D2的帶電量；Uc表示固定電容D2的電壓；I1表示固定電容D2的電流[8]。

等效內(nèi)阻Rb的計算公式具體如下：

式中：ΔG 表示充電瞬時電壓突變 值；Iβ表示充電電流[9]。

就此完成風力發(fā)電儲能裝置充放電模型的構(gòu)建，并根據(jù)構(gòu)建模型實施風電功率超短期預測。

1.2 風電功率超短期預測

基于IGA-ANFIS 算法設計風電功率超短期預測模型，得到風電功率超短期預測結(jié)果，具體實現(xiàn)步驟如下：

（1）通過主成分分析對發(fā)電機數(shù)據(jù)進行降維處理，降低數(shù)據(jù)冗余度，提升模型計算速度，并避免發(fā)生過擬合情況；

（2）通過集合經(jīng)驗模態(tài)分解方法對降維后數(shù)據(jù)實施頻域分解，降低數(shù)據(jù)的非平穩(wěn)性，具體步驟如下：

步驟1：疊加白噪聲序列（服從正態(tài)分布）與初始風電信號，構(gòu)建一個新序列，用X（f）表示；

步驟2：求取X（f）的所有極值點，利用Spline插值方式獲取X（f）的上曲線與下曲線，結(jié)果分別用K1（f）與K2（f）表示；

步驟3：令下式成立：

式中：g1（f）表示多個尺度本征模態(tài)函數(shù)分量[10]。當g1（f）不滿足上式，重新執(zhí)行上一個步驟，直到上式成立。

通過滿足條件的g1（f）計算剩余分量，具體如下式：

步驟4：重復上述步驟對信號m1（f）進行分解處理，直至信號不能夠進一步被分解，獲取分解后的信號，具體如下式：

式中：gj（f）表示經(jīng)過j 次分解后所得到的信號；δ 表示分級總次數(shù)；mj（f）表示經(jīng)過j 次重構(gòu)后的信號[11]。

重復執(zhí)行以上步驟，以此獲取IMF 分量，并計算其均值，將其作為初始風電信號對應的IMF 分量[12]。

（3）通過IGA-ANFIS 算法搭建構(gòu)成風電功率超短期預測模型，該算法結(jié)合了改進遺傳算法（IGA）和模糊推理系統(tǒng)（ANFIS），使預測模型能夠更好地實現(xiàn)樣本特征適應，預測模型具體如下式：

式中：Qq，j（v）表示v 時刻第j 個預測結(jié)果[13]。

1.3 儲能裝置控制

分析功率變化對風力發(fā)電儲能裝置充放電功率的影響，根據(jù)超短期預測結(jié)果和實際2 階RC 模型荷電狀態(tài)計算功率。結(jié)合功率計算結(jié)果調(diào)整SOC合理區(qū)域、預過充區(qū)域、預過放區(qū)域、過充區(qū)域以及過放區(qū)域[14]的充放電功率，實現(xiàn)風力發(fā)電儲能裝置控制。功率計算公式如下：

式中：Pi表示全網(wǎng)負荷功率；Pj表示風力發(fā)電機2 階RC 出力；Pk表示預測接入功率。

基于功率情況，對SOC 合理區(qū)域內(nèi)的新能源進行充分消納，對其按照實際功率實施充放電，進行調(diào)整，其功率情況具體如下式：

式中：Na（z）表示調(diào)整后儲能裝置的功率；NA（z）表示儲能裝置原始功率；NAmin表示儲能裝置的最小功率；NAmax表示儲能裝置的最大功率[15]。

對于預過充區(qū)域，為使新能源能夠被充分消納，以實際荷電狀態(tài)和功率計算結(jié)果為依據(jù)，不調(diào)整其放電功率，但需要限制其充電功率。選用功率限制函數(shù)對充電功率進行降低。調(diào)整后其功率情況具體如下式：

式中：ζ（NA（z））表示Na（z）的功率限制函數(shù)。

對于預過放區(qū)域，由于該區(qū)域的SOC 水平較低，為使新能源能夠被充分消納，以實際荷電狀態(tài)和功率計算結(jié)果為基礎設置放電功率調(diào)整策略。調(diào)整后其功率情況具體如下式：

對于過充區(qū)域，為使新能源能夠被充分消納，結(jié)合新能源功率對于該區(qū)域功率變化進行調(diào)整，這一過程中功率情況具體如下式：

對于過放區(qū)域，為使新能源能夠被充分消納，以實際荷電狀態(tài)和新能源功率計算結(jié)果為依據(jù)對正常功率實施充電，而不進行放電。調(diào)整后其功率情況具體如下式：

通過以上控制策略實現(xiàn)風力發(fā)電儲能裝置各區(qū)域的控制。

2 算例分析

2.1 實驗方法設計

選取某風電場某日的600 個樣本點，對設計的計及新能源消納的風力發(fā)電儲能裝置控制方法的應用效果進行分析。根據(jù)樣本點數(shù)據(jù)構(gòu)建該日儲能裝置充放電模型，通過設計的預測模型實施該風力發(fā)電功率超短期預測。實驗所用風力發(fā)電儲能裝置如圖1 所示。

圖1 實驗所用風力發(fā)電儲能裝置Fig.1 Wind power energy storage device used in the experiment

首先實施數(shù)據(jù)降維處理，此時風電數(shù)據(jù)的貢獻率與特征值具體如下：

（1）風速：貢獻率：39.52；特征值：2.5866；

（2）溫度：貢獻率：25.47；特征值：1.5247；

（3）風向：貢獻率：19.52；特征值：0.9451；

（4）濕度：貢獻率：15.47；特征值：0.8695；

（5）氣壓：貢獻率：3.62；特征值：0.3587。

由于濕度、風向、溫度、風速的貢獻率都大于10%，選取這4 個變量當做后續(xù)預測模型的輸入。

通過EEMD 對降維處理后的數(shù)據(jù)實施頻域分解，其中風速的分解情況如圖2 所示。

圖2 EEMD 風速分解結(jié)果Fig.2 EEMD wind speed decomposition results

其中圖2（a）是原始風速信號，圖2（b）、圖2（c）、圖2（d）表示3 個IMF 信號，圖2（e）是剩余分量。說明利用本文方法能夠?qū)⑿盘柗纸鉃槎鄠€不同的分量，分解效果好。

根據(jù)濕度、風向、溫度、風速的EEMD 分解結(jié)果，通過IGA-ANFIS 算法對風電功率進行預測，預測結(jié)果如圖3 所示，預測周期為24 h。

圖3 預測結(jié)果Fig.3 Prediction results

最后利用設計的儲能裝置控制策略調(diào)整其5個區(qū)域的充放電功率，實現(xiàn)風力發(fā)電儲能裝置控制。

2.2 測試結(jié)果分析

測試指標為實際并網(wǎng)功率的MAE、RMSE 降低情況以及儲能裝置的越限時間。

2.2.1 實際并網(wǎng)功率指標的MAE、RMSE 降低情況

首先測試3 種方法相較于不進行控制也就是普通運行情況的并網(wǎng)功率指標的MAE、RMSE 降低情況。具體測試情況如圖4 所示。

圖4 實際并網(wǎng)功率指標測試結(jié)果Fig.4 Test results of actual grid connected power indicators

根據(jù)上圖的測試結(jié)果可知，相較于普通運行情況，所提方法并網(wǎng)功率指標的MAE、RMSE 降幅最大，降幅值均在0.1 kW 上下浮動。而文獻[1]方法、文獻[2]方法相較于普通運行情況，并網(wǎng)功率指標MAE、RMSE 也有一定程度的降低，但降幅值均低于所提方法。說明該方法能夠進一步實現(xiàn)計劃功率偏差的降低，能夠令風力發(fā)電儲能裝置保持較好的荷電狀態(tài)。

2.2.2 越限時間測試情況

測試3 種方法的在24 h 內(nèi)的越限時間，測試結(jié)果如表1 所示。

表1 越限時間測試結(jié)果Tab.1 Results of time out of limit test

測試結(jié)果表明，所提方法能夠有效避免風力發(fā)電儲能裝置的儲能越限，在采樣點數(shù)量不斷增長的情況下，其越限時間一直為0，而文獻[1]方法、文獻[2]方法均存在越限情況，并且越限時間比較長，說明所提方法有利于提升風力發(fā)電儲能裝置的工作年限，實際應用效果好。

3 結(jié)語

風力發(fā)電儲能裝置為風電并網(wǎng)質(zhì)量的提高提供了一個契機，控制風力發(fā)電儲能裝置對于儲能裝置利用效率的提升有重大意義，因此設計了一種計及新能源消納的風力發(fā)電儲能裝置控制方法，實現(xiàn)了儲能裝置不越限自動化控制的同時，降低了并網(wǎng)功率指標，有效解決了當前方法存在的并網(wǎng)功率指標的MAE、RMSE 降幅小，且儲能越限問題嚴重的問題。但是在實驗中并未對該方法的風力發(fā)電儲能裝置控制效率進行驗證，所以實驗設計還存在一定的缺陷，因此下一步需要對該方法的風力發(fā)電儲能裝置控制效率進行檢驗，以此改善該方法存在的不足之處，最大程度提升風力發(fā)電儲能裝置控制效果。